超声分割达 93.54%
面向资源受限医疗端侧设备，以自监督预训练和弱监督微调实现高精度分割与定位的多任务医学图像理解模型。
Lu, Yu · Zhanpeng, Xu · Yung, Kai Leung · Ip, W. H.
Internet of Things (Netherlands) 2025
模型仅 5.007M 参数、0.246 GFLOPs，适合部署在资源受限的 IoMT 设备上。
弱监督微调利用伪标签实现全序列训练，仅需极少量标注。
在脊柱 CT 数据集上的跨域测试证实了其在不同成像模态和解剖区域的有效性。
Deeply Separable Task-Specific 模块解耦任务特定表示，有效缓解分割与定位之间的任务干扰。